基于消费者行为的点餐推荐算法

发布时间：2018-04-10 04:13

本文选题：数据挖掘　切入点：推荐系统　出处：《计算机科学》2017年S2期

【摘要】：随着电子商务的发展,餐饮行业现有的大多数管理系统落后于消费者和管理人员的需要,一种行之有效的方法是将推荐系统应用于餐饮管理,根据消费者的行为数据为用户点餐提供菜品的推荐。针对推荐系统中的冷启动问题,提出基于消费者行为的点餐推荐算法,设计出频度统计、关联规则和Markov链3个推荐引擎的加权组合推荐系统。在实际餐厅订单数据样本上,所提算法能够取得令人满意的推荐效果,且得到具有普适性的3个推荐引擎的组合权值(0.2167,0.5167,0.2666),同时得到最佳的推荐长度为3。
[Abstract]:With the development of e-commerce, most of the existing management systems in the catering industry lag behind the needs of consumers and managers. One effective method is to apply the recommendation system to the catering management.According to the consumer behavior data to order food for the user to provide food recommendations.In order to solve the cold start problem in recommendation system, a ordering recommendation algorithm based on consumer behavior is proposed. A weighted combined recommendation system with three recommendation engines, frequency statistics, association rules and Markov chain, is designed.On the sample of actual restaurant order data, the proposed algorithm can obtain satisfactory recommendation effect, and obtain the combined weight value of 0.2167 / 0.5167 / 0.2666 for the three recommendation engines with universality, and the best recommended length is 3.
【作者单位】：同济大学计算机科学与技术系;同济大学嵌入式系统与服务计算教育部重点实验室;同济大学大数据与网络安全研究中心;
【基金】：国家自然科学基金项目(61273304,61673301) 高等学校博士学科点专项科研基金优先发展领域项目(20130072130004)资助
【分类号】：TP391.3

【相似文献】